Raksta mērķis ir apkopot un vispārināt datus par bezdarba līmeni un centralizēto (12.kl.) kā arī necentralizēto (9.kl.) eksāmenu rezultātiem. Tas varētu palīdzēt saprast sociālo apstākļu iespaidu uz izglītības rezultātiem Latvijā. Tā kā mums nav zināmi tādi dati, kuros individuālie sociālie apstākļi būtu kopā ar eksāmenu rezultātiem, tad visa analīze notiek veselu skolu, kā arī veselu pilsētu un novadu līmenī (piemēram, vai bagātās pašvaldībās ar aktīvāku darba tirgu caurmēra rezultāti ir citādi nekā nabadzīgās pašvaldībās ar augstu bezdarbu). Zīmējam vizualizācijas lai uzzinātu, kādas bezdarba un izglītības rezultātu kombinācijas ir biežāk sastopamas.
Ikvienā datu kopā var ieraudzīt kaut kādas “regularitātes”, kas var būt gan likumsakarība, gan sagadīšanās. Pat ja izdotos pamatot korelāciju, tā nepamato cēloņsakarību (piemēram, vai bezdarba līmenis nosaka skolēnu vidējo eksāmena vērtējumu vai eksāmena vērtējumi - bezdarbu, vai arī tie abi radušies no kāda cita cēloņa, vai ir vispār nesaistīti). Šādu cēloņsakarību noskaidrošana mūs neinteresē. Šajā rakstā izmantotas deskriptīvās statistikas metodes, kas attēlo vidējos jeb agregētos bezdarba un sekmju rādītājus atsevišķo skolu vai pašvaldību līmenī un parāda vispārīgās tendences kā arī neparastus “datu punktus”, kurus var īpaši pētīt (piemēram, tās pašvaldības vai skolas, kurās ļoti augsts bezdarbnieku īpatsvars ir apvienojumā ar labu akadēmisko sniegumu skolās).
Ņemot vērā to, ka VISC lapā dotajiem eksāmenu rezultātiem nav zināms eksāmenus kārtojušo skaits, tas jāiegūst no cita avota. Būtu aplami rēķināt vidējo eksāmena rezultātu pašvaldībā, atrodot aritmētisko vidējo no pašvaldībā esošo skolu aritmētiskajiem vidējiem - piemēram, pēc formulas \(R = \frac{R_1 + R_2}{2}\), kur \(R_1, R_2\) - divu skolu vidējie rezultāti. Ja pašvaldībā ir viena liela un viena maza skola (skolēnu skaits attiecīgi \(m_1\) un \(m_2\)), tad vidējais eksāmena rezultāts pašvaldībā ir svērts vidējais - \(R = \frac{m_1 R_1 + m_2 R_2}{m_1 + m_2}\). Skaitlis \(R\) atradīsies nevis tieši pa vidu starp \(R_1\) un \(R_2\), bet gan būs tuvāks lielākās mācību iestādes vidējam rezultātam.
Skolēnu skaita novērtēšanai izmantosim datu kopu, kura, visticamāk, eksportēta no VIIS (precīzs tās iegūšanas veids autoram nav zināms):
Salīdzināšanai var izmantot arī šādus datu avotus:
Skolas nosaukums nevar viennozīmīgi identificēt mācību iestādi, jo vairākām skolām nosaukumi sakrīt. Dažas skolas VIIS sistēmā ir centušās izvairīties no divdomīga nosaukuma - un to oficiālais nosaukums jau satur novada vai pagasta apzīmējumu (“Rugāju novada Eglaines pamatskola”, “Vidagas Sikšņu pamatskola”). Tomēr daudzos IZM pārskatos arī šīs skolas figurē ar īsajiem un divdomīgajiem nosaukumiem (“Eglaines pamatskola”, “Sikšņu pamatskola”). Pirms vizualizāciju zīmēšanas mācību iestāžu nosaukumi pārveidoti, izmantojot viennozīmīgo nosaukumu no VIIS vai arī norādot pilsētu/novadu iekavās. Mūsu datu apstrādē pielietota skolu pārsaukšana atbilstoši sekojošam sarakstam:
Sekojoša tabula katram no 7 sociālajiem indikatoriem uzskaitām gadus, par kuriem ir ģenerēti pārskati un grafiki. (Lūdzam ievērot, ka norādītais gads ir eksāmena kārtošanas gads; savukārt sociālie indikatori ir apkopoti par iepriekšējo gadu - t.i. 2010.g. eksāmena dati faktiski salīdzināti ar 2009.g. sociālajiem indikatoriem.)
| Indikators | Y2010 | Y2011 | Y2012 | Y2013 | Y2014 |
|---|---|---|---|---|---|
| UnemploymentRate | Jā | Jā | Jā | Jā | Jā |
| DependencyRatio | Jā | Jā | Jā | Jā | Jā |
| PopulationChangePerYear | Nē | Jā | Jā | Jā | Jā |
| PerCapitaIncomeTax | Jā | Jā | Jā | Jā | Jā |
| ExpenditurePerStudent | Nē | Nē | Jā | Jā | Jā |
| PerCapitaRealEstateTax | Jā | Jā | Jā | Jā | Jā |
| FemaleRatio | Nē | Jā | Jā | Jā | Jā |
Datu kopas, no kurām iegūtas vizualizācijas ir nepilnīgi savietojamas. Skolēnu skaits klasēs ir zināms par 2014.gada 1.septembri (820 dažādām skolām); turklāt tikai par pirmajām 9 klasēm. Savukārt necentralizētos eksāmenus no 2010. līdz 2014.gadam kārtoja 910 dažādu skolu audzēkņi. Viņi 2014-09-01 datos (tabulā Statistika_skoleni_IZM.xlsx) neparādās, jo pamatskolu ir jau beiguši. Šajā laikā notikušas daudzas skolu reorganizācijas. Skolēnu un mācību iestāžu skaits jūtami sarucis, turklāt skolēni mums nezināmā veidā pārgrupējušies starp atlikušajām mācību iestādēm. Lai kaut kā risinātu šīs datu kopu nepilnības, ir jāizdara virkne pieņēmumu:
Korelācijas koeficients populācijā ar diviem atribūtiem ir skaitlis intervālā \([-1,1]\), kas parāda šo atribūtu izmaiņu savstarpējo saistību. Mūsu gadījumā populācija ir Latvijas 119 pašvaldības; viens no atribūtiem ir sociālais indikators (bezdarba līmenis, utml.), otrs atribūts ir 9.kl. eksāmena vidējais rezultāts attiecīgajā pašvaldībā. Pavisam apskatām 4 eksāmenus - ANG9 (angļu valoda), MAT9 (matemātika), VES9 (vēsture) un VLL9 (latviešu valoda). Ja, palielinot vienu atribūtu, parasti palielinās arī otrs atribūts, tad korelācijas koeficients ir pozitīvs (\(\rho > 0\)); savukārt, ja palielinot vienu atribūtu, otrs atribūts parasti samazinās, tad korelācijas koeficients ir negatīvs (\(\rho < 0\)). Ja nav novērojama nekāda mijiedarbība, tad \(\rho = 0\).
Korelācijas koeficients, kurš atšķirīgs no nulles, nenozīmē cēloņsakarību. Vēl jo vairāk - nelielai populācijai (pašvaldību pavisam ir 119), ar aptuveni 3% procentu varbūtību izrādīsies, ka \(|\rho| > 0.2\), kaut arī abi atribūti mainītos neatkarīgi viens no otra. Līdz ar to, kaut kādu interesi izraisa vienīgi tie korelācijas koeficienti, kas pārsniedz 0.2 - tie parasti nozīmē kaut kādu kopsakarību nevis tikai sagadīšanos.
No zemāk dotajām tabulām izriet, ka angļu valodas (ANG9) eksāmena rezultātam ir pozitīva korelācija ar vidējo IIN un NĪ nodokli, ko maksā 1 pašvaldības iedzīvotājs, kā arī ar ikgadējo iedzīvotāju skaita pieaugumu pašvaldībā (bagātākās pašvaldības parasti ir ar nedaudz labākiem angļu valodas eksāmena rezultātiem; tāpat arī tās pašvaldības, kurās iedzīvotāju skaits pieaug vai vismaz strauji nesamazinās). Citiem mācību priekšmetiem sakarība ar nodokļiem un iedzīvotāju skaita izmaiņām ir krietni mazākas vai vispār nebūtiskas.
Matemātikas eksāmenam (MAT9) ir vāji izteikta pozitīva korelācija ar bezdarba līmeni - augstāks bezdarbs kādā pašvaldībā biežāk sastopams kopā ar labiem rezultātiem 9.kl. matemātikas eksāmenā. Tāpat arī matemātikas eksāmena rezultātam ir pozitīva korelācija ar sieviešu īpatsvaru attiecīgajā pašvaldībā. Tomēr šādas korelācijas var norādīt nevis uz tiešu cēloņsakarību, bet uz kāda (mums nezināma) faktora līdzdalību. Latgales skolām tradicionāli ir labi sasniegumi matemātikā; Latgalē ir arī augsts bezdarba līmenis. Aplūkojot citas (ne-Latgales) pašvaldības matemātikas un bezdarba kopsakarība vairs nav redzama. Gluži tāpat - augstāks sieviešu īpatsvars var norādīt uz augstāku urbanizācijas līmeni, kas parasti ir labvēlīgs sekmēm matemātikā.
Dažiem citiem rādītājiem (piemēram, demogrāfiskajai slodzei jeb “dependency ratio” - t.i. cilvēku īpatsvaram darba spējīgajā vecumā 15-62) vai arī pašvaldības izdevumiem uz vienu skolēnu gadā ir niecīgs iespaids uz jebkādu eksāmenu rezultātiem. Visu šo iemeslu dēļ mēs nevaram runāt par to, ka būtu izdevies atrast kaut kādu kopsakaru starp sociālajiem indikatoriem un necentralizēto (9.kl.) eksāmenu rezultātiem. Varētu vienīgi teikt, kur ir priekš meklēšanas mazliet “siltāks” - angļu valodas gadījumā varētu runāt par pārticības līmeņa iespaidu uz eksāmena rezultātu; matemātikas gadījumā - par reģionālām (bezdarba) vai urbanizācijas (sieviešu koncentrācijas) izraisītām atšķirībām.
| factor | Y2010 | Y2011 | Y2012 | Y2013 | Y2014 |
|---|---|---|---|---|---|
| UnemploymentRate | 0.095 | -0.085 | 0.005 | 0.006 | -0.190 |
| DependencyRatio | 0.053 | -0.035 | 0.030 | -0.029 | -0.029 |
| PopulationChangePerYear | N | 0.342 | 0.158 | 0.216 | 0.312 |
| PerCapitaIncomeTax | 0.256 | 0.368 | 0.223 | 0.316 | 0.368 |
| ExpenditurePerStudent | N | N | 0.036 | 0.008 | -0.016 |
| PerCapitaRealEstateTax | 0.228 | 0.301 | 0.214 | 0.168 | 0.300 |
| FemaleRatio | N | 0.058 | 0.099 | 0.095 | 0.077 |
| factor | Y2010 | Y2011 | Y2012 | Y2013 | Y2014 |
|---|---|---|---|---|---|
| UnemploymentRate | 0.282 | 0.144 | 0.131 | 0.012 | 0.132 |
| DependencyRatio | 0.024 | -0.019 | -0.054 | -0.012 | 0.134 |
| PopulationChangePerYear | N | 0.158 | 0.020 | 0.193 | 0.053 |
| PerCapitaIncomeTax | 0.084 | 0.157 | 0.051 | 0.182 | 0.049 |
| ExpenditurePerStudent | N | N | -0.073 | -0.126 | -0.097 |
| PerCapitaRealEstateTax | 0.125 | 0.233 | 0.167 | 0.124 | 0.008 |
| FemaleRatio | N | 0.133 | 0.096 | 0.265 | 0.203 |
| factor | Y2010 | Y2011 | Y2012 | Y2013 | Y2014 |
|---|---|---|---|---|---|
| UnemploymentRate | 0.226 | 0.146 | 0.003 | -0.020 | 0.080 |
| DependencyRatio | 0.185 | 0.050 | -0.006 | 0.007 | 0.074 |
| PopulationChangePerYear | N | -0.129 | 0.058 | 0.197 | 0.087 |
| PerCapitaIncomeTax | -0.026 | -0.126 | 0.077 | 0.211 | 0.020 |
| ExpenditurePerStudent | N | N | 0.092 | -0.059 | 0.217 |
| PerCapitaRealEstateTax | -0.025 | -0.055 | 0.153 | 0.184 | 0.038 |
| FemaleRatio | N | -0.018 | -0.009 | 0.118 | -0.011 |
| factor | Y2010 | Y2011 | Y2012 | Y2013 | Y2014 |
|---|---|---|---|---|---|
| UnemploymentRate | -0.094 | -0.014 | -0.158 | -0.207 | -0.094 |
| DependencyRatio | -0.014 | 0.129 | 0.029 | 0.134 | 0.108 |
| PopulationChangePerYear | N | 0.050 | 0.134 | 0.081 | 0.029 |
| PerCapitaIncomeTax | 0.179 | 0.079 | 0.169 | 0.108 | 0.031 |
| ExpenditurePerStudent | N | N | -0.007 | -0.077 | 0.000 |
| PerCapitaRealEstateTax | 0.161 | 0.115 | 0.181 | 0.074 | 0.042 |
| FemaleRatio | N | 0.144 | 0.075 | 0.107 | 0.120 |
MAT9 eksāmens likts redzamākajā vietā tādēļ, ka šo eksāmenu parasti labo ārpus mācību iestādes - t.i. eksāmena rezultātu mazāk iespaido sistemātiskās kļūdas, subjektīvisms darbu labošanā vai tml. Tomēr var apskatīt arī visu citu eksāmenu rezultātus.
This report is available under a Creative Commons License
Sociālie rādītāji un centralizēto eksāmenu rezultāti pašvaldībās
Uz sākumu